常有人问机器学习和深度学习是啥关系？今天来捋一捋
人们经常问机器学习与深度学习之间的关系是什么？让我们今天一起看看1。学习什么？
机器学习和深度学习中有两个词“学习”。我们必须首先了解什么是“学习”。著名的西蒙教授是1975年的图灵奖和1978年诺贝尔经济学奖的获奖者。这个大个子曾经定义了“学习”，“如果系统可以通过执行某个过程来改善其绩效，那么这个过程就是学习。”大师们总是简洁的，直到敏锐。从西蒙教授的定义来看，我们可以看到“学习的核心目的是提高绩效”。
实际上，这个定义不仅适用于机器，而且针对人类。自从我们年轻以来，我们就被教导要“每天努力学习和进步”。我们“学习”的目标是“向上”。如果表现没有“向上”，即使我们要长期“每天”努力“保持良好”，也无法将其视为“学习”。如果我们只是低级的重复学习，并且无法实现认知升级的目的，那么即使我们在表面上似乎非常勤奋，我们实际上只是一个“伪学习者”，因为我们没有提高性能。
让我们继续“努力研究”机器学习和深入学习的知识。我们的目的是提高机器学习和深度学习的认知水平。
2。人工智能，机器学习和深度学习之间有什么关系？
https://img2.baidu.com/it/u=2141236457,724703868&fm=253&fmt=JPEG&app=138&f=JPEG?w=636&h=410
首先，让我们得出的结论是，机器学习（，ML）是人工智能（，AI）的一个分支，深度学习（深度，DL）是ML的子集，或者换句话说，机器学习是实现人工智能的一种方法，而深度学习只是实施机器学习的技术。
让我们仔细地“学习” AI，ML和DL的三个概念
（1）人工智能：AI代表任何模仿人类通常表现出的智能行为的活动。这是一个非常大的研究领域。机器旨在复制认知能力，例如学习行为，与环境的积极互动，推理和推论，计算机视觉，语音识别，解决问题，知识表示和感知； AI基于计算机科学，数学和统计学以及研究人类行为的其他科学。有许多策略可以建立AI。在1970年代和1980年代，“专家”系统变得非常流行。这些系统的目的是通过用大量手动定义的规则来表达知识来解决复杂的问题。此方法适用于非常特定的领域中的小问题，但不能扩展到更大的问题和多个字段。后来，AI也不断改善，并且对基于统计的方法的关注越来越多。
（2）机器学习：ML是AI的子学科，重点是教计算机如何在不编程的情况下学习特定任务。 ML背后的关键思想是创建可以从数据中学习并进行预测的算法。机器学习有很多类型。让我们向您介绍以下类型的监督学习，无监督的学习和增强的学习。
（3）深度学习：DL也是机器学习的子集。深度学习与传统的监督学习和无监督的学习有所不同。深度学习是一种高度数据依赖的算法。它的性能通常会随着数据量的增加而增加。也就是说，深度学习的可伸缩性比传统的机器学习算法要好得多，但前提是有足够的数据。
https://img0.baidu.com/it/u=2477398074,515196055&fm=253&fmt=JPEG&app=138&f=JPEG?w=509&h=500
3.机器学习和深度学习的发展是什么阶段？
如前所述，作为人工智能的重要分支，机器学习主要研究机器如何通过识别和利用现有知识来获取新知识和新技能。自1980年代以来，机器学习在算法，理论和应用方面取得了巨大的成功，并且已在行业和学术界广泛使用。简而言之，机器学习是使机器能够通过算法从大量历史数据中学习法律，以便智能地识别新样本或对未来做出预测；深度学习是机器学习和新研究领域的一个分支。如今，可用数据的数量激增，计算能力的增强以及计算成本的降低为进一步发展的深度发展提供了一个平台，还为在各个领域中应用深度学习的应用提供了支持。
回顾机器学习的发展历史，可以将其大致分为五个时期，随着机器学习的发展，已经有三波深度学习。我们将机器学习的开发作为主要线路，以引入机器学习与不同时期深度学习之间的关系。
通往机器学习和深度学习的漫长道路
页:
[1]